AI基础
机器学习基础
机器学习是AI的数学与算法根基。三大范式：监督学习、无监督学习、强化学习。特征工程和模型评估是核心实践。
核心要点
- 监督学习：从标注数据学习映射，分类(离散)和回归(连续)两大任务
- 无监督学习：从无标注数据发现结构，聚类/降维/异常检测
- 强化学习：智能体与环境交互获得奖励信号学习策略
- 线性模型：线性回归、逻辑回归、损失函数、梯度下降
- 树模型：决策树、随机森林、XGBoost/LightGBM
- 特征工程：特征选择/构造/编码/标准化，决定模型上限
- 模型评估：准确率/精确率/召回率/F1/AUC-ROC/交叉验证